Comment intégrer les données volumineuses dans le diagnostic des maladies - des variables d'apprentissage

Partout dans le monde, de grandes sources de données pour les soins de santé sont créées et rendues disponibles pour intégration dans les processus existants. Les données d'essais cliniques, les données de génétique et de mutation génétique, les données sur les protéines thérapeutiques et de nombreuses autres sources d'information peuvent être recueillies pour améliorer les processus de soins de santé quotidiens.

Les médias sociaux peuvent et seront utilisés pour augmenter les données et les processus existants afin d'offrir des vues plus personnalisées sur les traitements et les thérapies. De nouveaux dispositifs médicaux contrôleront les traitements et transmettront des données de télémétrie pour l'analyse en temps réel et d'autres types d'analyse. La tâche à venir est de comprendre ces nouvelles sources de données et de compléter les données et les processus existants avec les nouveaux grands types de données.

À quoi ressemblerait le processus de soins de santé avec l'introduction du Big Data dans le processus opérationnel d'identification et de gestion de la santé des patients? Voici un exemple de ce à quoi pourrait ressembler le futur:

1. Comprendre le problème que nous essayons de résoudre:

   • Nécessité de traiter un patient avec un type de cancer spécifique

2. Identifier les processus impliqués:

   < ! --2 ->

   • Diagnostic et dépistage (identifier une mutation génétique)

   • Analyse des résultats comprenant la recherche d'options thérapeutiques, l'analyse d'essais cliniques, l'analyse génétique et l'analyse protéique

   • Définition du protocole de traitement, incluant éventuellement le gène ou la protéine thérapie

   • Surveillez le patient et ajustez le traitement au besoin en utilisant un nouvel appareil sans fil pour une administration et une surveillance personnalisées du traitement. Le patient utilise les médias sociaux pour documenter l'expérience globale.

3. Identifiez les informations requises pour résoudre le problème:

   • Antécédents du patient

   • Sang, tissu, résultats de test, etc.

   • Résultats statistiques des options de traitement

   • Données d'essais cliniques

   • Données génétiques

   • Données sur les protéines

   • Données sur les réseaux sociaux

4. Recueillir les données, les traiter et analyser les résultats:

   • Commencer le traitement

   • Surveiller le patient et ajuster le traitement au besoin

     

représente le cas optimal où aucun nouveau processus ne doit être créé pour prendre en charge les intégrations de Big Data. Même si les processus sont relativement inchangés, les technologies sous-jacentes comprennent les applications qui devront être modifiées pour tenir compte de l'impact des caractéristiques des données volumineuses, notamment le volume de données, la variété des sources de données et la vitesse ou la rapidité de traitement. Les données.

L'introduction du big data dans le processus de gestion des soins de santé fera une grande différence dans l'efficacité du diagnostic et de la gestion des soins de santé à l'avenir.Ce même processus d'approche opérationnelle peut être appliqué à diverses industries. Quelles sont les clés pour appliquer avec succès les Big Data aux processus opérationnels? Voici quelques-unes des questions les plus importantes à considérer:

• Comprendre entièrement le processus actuel.

• Comprenez parfaitement où les lacunes existent dans l'information.

• Identifiez les sources de données volumineuses pertinentes.

• Concevoir un processus pour intégrer les données de façon transparente dès qu'elles changent.

• Modifier les processus d'analyse et de prise de décision pour incorporer l'utilisation de Big Data.